隧道施工变形险情预报模型应用研究

建立围岩隧道施工变形险情预报模糊模型,采用集总变形量、变形速率和变形速率比值三位一体的围岩稳定性判别准则,及时对隧道施工过程中的围岩稳定性做出判断。应用该模型于厦门翔安海底隧道工程进行施工变形险情预报分析,其分析结果与实际工程情况亦较为吻合。该模型分析判断效果仍需要通过大量工程实例进行验证,来不断修正模型相关参数,使其更符合工程实际状况。结合隧道变形监测数据,其对于同类隧道施工变形险情预报具有一定的参考价值。     

隧道施工变形险情预报模型应用研究

建立围岩隧道施工变形险情预报模糊模型,采用集总变形量、变形速率和变形速率比值三位一体的围岩稳定性判别准则,及时对隧道施工过程中的围岩稳定性做出判断.应用该模型于厦门翔安海底隧道工程进行施工变形险情预报分析,其分析结果与实际工程情况亦较为吻合.该模型分析判断效果仍需要通过大量工程实例进行验证,来不断修正模型相关参数,使其更符合工程实际状况.结合隧道变形监测数据,其对于同类隧道施工变形险情预报具有一定的参考价值.     

山岭隧道围岩失稳的预测研究

结合大丘林2号隧道施工过程,通过长距离的TSP探测和短距离的地质雷达探测,预报前方围岩的地质条件和失稳的可能性,通过对拱顶沉降、围岩收敛、钢拱架内力和围岩压力的监测,有效的预报围岩失稳灾害的发生,其成功的经验可为类似工程提供参考.     

基于遗传优化支持向量机的软岩隧道围岩变形预测

软岩隧道施工过程中,围岩极易出现大变形和坍塌现象,如何有效地对隧道围岩大变形进行预测,已成为保障隧道施工安全的重要手段之一。本文以象山隧道为工程背景,采用遗传算法优化支持向量机参数,建立了隧道变形的遗传支持向量机模型,对象山隧道围岩的拱顶沉降和变形收敛进行了预测。模型预测值与实际测量值的对比结果表明,两者之间的误差较小,预测精度较高,所建立的GA-SVM模型可为隧道施工安全和支护结构的优化提供技术支撑。     

基于特尔菲–理想点法的隧道围岩分类研究

基于理想点法的基本原理,选取岩石单轴饱和抗压强度Rc、岩石质量指标RQD、岩体完整性系数Kv、结构面强度系数Kf、地下水渗水量ω作为评价指标,通过特尔菲科学方法确定其权重系数,建立隧道围岩分类模型,并利用广州抽水蓄能电站第1期工程围岩实测资料进行模型检验。结果表明:特尔菲–理想点法判别结果与实际围岩类别大致相同,且和人工神经网络判别结果、突变级数法判别结果基本符合,从而验证了特尔菲–理想点法用于围岩分类是可行的。最后,运用建立的特尔菲–理想点法围岩分类模型对浙江省诸永高速公路西华岭隧道围岩类别进行判别,经计算分析发现,所选洞段围岩判定结果与设计围岩类别相吻合,进一步证明了该方法用于隧道围岩分类的合理性和有效性。这一方法在西华岭隧道中的成功应用,不仅可以为该隧道设计、施工提供参考,同时对以后同类隧道工程围岩分类有一定的参考价值。     

某人防工程隧道收敛变形的影响因素分析

隧道施工中，收敛量测对监视围岩变形，保障隧道安全施工起着重要作用。利用WRM-3型收敛计对某人防工程施工期围岩变形进行了量测。结合现场实际，通过对隧道收敛变形数据的分析，揭示了隧道收敛的变化规律，分析了隧道变形的影响因素。     

隧道浅埋段的超前地质预报与监控量测

隧道超前地质预报与监控量测是新奥法施工不可缺少的一部分,能够准确预报掌子面前方一定距离内围岩质量的好坏,并实时通过围岩变形的监测与分析检验围岩是否稳定及支护是否合理。结合杉溪隧道工程实例,通过对隧道浅埋段的超前地质预报和监控量测数据进行分析研究,得出隧道浅埋段围岩变形速率受施工干扰影响较大,钢支撑内力及围岩压力与围岩断面变形量变化趋势基本一致。通过研究隧道浅埋段的围岩变形规律和支护结构受力特征,可为以后类似项目积累经验,提供施工依据。     

超前地质预报与监控量测在隧道中的综合应用

文章基于某隧道工程破碎围岩段的发现、处理及监测分析,提出:长距离与短距离超前地质预报应相结合,多种方法互相验证,可以提高地质超前预报的准确性;能有效改善隧道破碎围岩注浆后围岩的稳定性;监控量测能对围岩稳定性进行定量分析,超前地质预报与监控量测相结合并与隧道施工形成动态反馈机制,为信息化设计和施工提供可靠依据。     

基于神经网络的隧道围岩变形预测方法研究

隧道开挖破坏了围岩结构,围岩内力重新分布,造成围岩变形。影响围岩变形的因素有很多,现阶段各种因素对围岩变形的具体影响无法准确确定。本文采用两种模型:回归分析模型和灰色人工神经网络组合模型,得到合理的拟合预测值,研究结果表明:两种模型预测精度均较高,其中灰色人工神经网络组合模型预测更好。     

基于监控量测的围岩分级修正方法研究

基于大量隧道监控量测数据的统计分析,确定了隧道净空收敛值的影响因素,得到了隧道净空收敛值的主成分因子和权,根据概率统计理论提出了围岩动态分级的修正公式,工程应用结果表明,基于监控量测的隧道围岩动态分级方法与隧道开挖的实际情况十分吻合。     

边坡非线性位移的神经网络-时间序列分析

边坡的变形表现出复杂的非线性演化特征，大量的工程实践表明利用部分实测的边坡位移时间序列来预测未来边坡的位移更为准确。以神经网络和时间序列分析方法为基础，使用零均值化和标准偏差预处理方法，以及规则化能量函数法和贝叶斯规则化方法进行BP神经网络建模，利用BP网络对边坡位移非平稳时序进行趋势项提取，使非平稳监测时序转化为平稳时序以进行常规ARMA时序分析。结合滚动预测方法，建立了适合岩土体位移预测的神经网络-时间序列分析联合模型，以隔河岩水电站进水口边坡变形和水布垭水电站大岩淌滑坡位移为例进行预测分析。研究结果表明：新模型的预测精度高、实时可靠，可应用于实际工程。     

BP神经网络在某深基坑工程监测中的应用研究

采用BP神经网络模型对某深基坑工程的变形进行了预测,通过与实测数据的对比分析表明:BP神经网络模型在深基坑工程监测中具有良好的容错性,在围护桩顶竖向及水平位移、围护桩深层水平位移、锚索内力预测方面具有较高的准确度,与实际内力及变形情况较为吻合;BP神经网络模型在地下水位预测中的准确度较低、数据结果离散性较大,不能充分反映水位变化的实际情况;BP神经网络模型在进行短期预测时准确率高,预测曲线与实测数据曲线吻合性较好;在进行锚索内力监测时,当传感器不能及时采集数据的情况下,BP神经网络能发挥预测准确数据的作用;BP神经网络模型隐含层数的选取对预测结果的准确性有一定的影响。     

BP人工神经网络模型在建筑物沉降预测中应用

以BP人工神经网络模型为基础,建立预测模型,以小区某栋建筑物l期～8期的沉降观测数据为输入数据和输出数据,对网络模型进行训练,并对9期～12期实际观测值与预测值进行了比较,结果比较理想,从而验证了采用BP人工神经网络模型进行建筑物沉降的预测是可行的。     

基于BP神经网络的改性废灰砖强度预测

在分析改性废灰砖强度影响因素的基础上，选取改性废灰砖配料中的5个因素作为输入值，以改性废灰砖28d强度作为输出值，建立改性废灰砖强度的预测的BP神经网络模型，结果表明，该模型预测强度高，可以用来对改性废灰砖强度进行预测。     

基于 SVR 的工程建设项目快速投资估算方法研究

在建设项目前期,如何快速而准确地估算工程项目的造价,对项目的投资决策具有很大的意义。针对传统造价估算 方法的不足之处,采用 SPSS 统计分析软件进行工程造价指标的相关性分析及指标体系选取,将之作为输入变量,使用真实 案例训练集样本训练 SVR 模型并进行仿真模拟预测。为了验证提出的 SVR 模型的有效性,引入 BP 人工神经网络来进行预 测结果的对比验证。结果表明,SVR 模型得到的预测值平均绝对百分比误差约为 5%,拟合优度 R2高达 0.97,远小于 BPNN 模型的预测误差 14%,即提出的 SVR 估算模型要比 BP 人工神经网络预测模型具有更良好的泛化能力,预测精度更高,因 此其在工程项目前期投资估算实践中具有一定的现实意义。     

洞室围岩位移长期预报混沌-神经网络模型

为实现开挖结束后大型地下洞室围岩位移的长期预报,及时评价围岩长期稳定,结合位移混沌力学参数优化BP神经网络结构,建立混沌-动态时间延滞神经网络长期预报模型。将嵌入维数m作为神经网络的输入层个数,增加神经网络预报反馈模式,动态生成预报训练样本,选取较大的时间延迟τ,预测步数为h,使相点间的时间延迟为hτ,通过有限预测步数,实现位移长期预报。实例表明,模型计算速度快,计算稳定性好。当预测步数h≤5,预测次数不大于10次时,预报精度在10%以内,预报结果实时有效,实现了大型地下洞室位移的长期预报,为大型地下洞室围岩稳定性评价提供了快速有效的新思路。     

型钢高强混凝土框架柱位移延性系数研究

基于80根混凝土设计强度等级为C60—C80的型钢高强混凝土(SRHSC)框架柱的低周反复加载试验结果,对其位移延性系数进行研究。基于MATLAB利用人工神经网络原理建立4-6-1型BP神经网络模型,分析了混凝土强度、轴压比、体积配箍率和剪跨比等试验设计参数对SRHSC框架柱位移延性的影响规律和机理。结合各因素对SRHSC框架柱位移延性的影响规律,建立位移延性系数计算模型。通过对试验数据和网络预测数据进行多元非线性回归分析,得到考虑多影响因素的SRHSC框架柱位移延性系数经验公式。研究成果可为SRHSC框架柱的抗震与优化设计提供参考。     

大体积混凝土温升神经网络预测

针对大体积混凝土温度场的非稳态特性,提出了一种基于BP人工神经网络的温升预测模型,介绍了BP神经网络预测方法在工程中的应用,预测结果表明,该模型收敛速度快,预测精度较高,从而实现了对大体积混凝土温升的准确预测。     

基于递归神经网络的基坑工程变形多步预测方法研究

针对深基坑系统的复杂的非线性及基坑工程变形多步预测的重要性 ,将人工神经网络技术引入其中。分析了用BP网络进行多步预测时存在的不足 ,提出了基于递归神经网络的基坑工程变形多步预测模型。通过一软土深基坑工程变形多步预测实例的分析 ,论证了递归神经网络用于基坑工程变形多步预测的可靠性和实用性。该方法有效可行 ,在其他领域的多步预测中同样具有广阔的应用前景。     

基于BP神经网络混凝土抗压强度预测

在阐述BP人工神经网络原理的基础上,针对影响强度的主要因素,建立了多因子混凝土抗压强度3层BP网络模型,以每立方混凝土中水泥、高炉矿渣粉、粉煤灰、水、减水剂、粗集料和细集料含量及置放天数作为模型输入参数,混凝土抗压强度值作为模型的输出,对混凝土抗压强度进行了预测.实验结果表明:所建BP神经网络混凝土抗压强度预测模型最大...